LT-toimikunnan akatemiahankkeet ovat kansainvälisesti arvioituina laadukkaita

Suomen Akatemian luonnontieteiden ja tekniikan tutkimuksen toimikunta (LT) on myöntänyt rahoituksen 78 akatemiahankkeelle, joissa on kaikkiaan yhteensä 102 osahanketta. Toimikunta rahoittaa akatemiahankkeita yhteensä 45,7 miljoonalla eurolla.

Kansainväliset asiantuntijat arvioivat peräti 46 prosenttia kaikista toimikunnalle osoitetuista hankehakemuksista erinomaisiksi (kokonaisarvosana 6 tai 5). Valtaosa arvosanan 6 saaneista hankkeista rahoitettiin, mutta arvosanan 5 saaneista hankkeista pystyttiin rahoittamaan vain 13 prosenttia. Erinomaisiksi arvioiduista osahankehakemuksista 18 prosenttia oli nuoren tutkijasukupolven hakijoilta ja rahoitettaviksi valituista osahankkeista näiden osuus oli puolestaan 34 prosenttia. Toimikunta rahoitti nuoren tutkijasukupolven osahankkeita yhteensä 16,5 miljoonalla eurolla, josta 9,25 miljoonaa euroa oli nuorelle tutkijasukupolvelle suunnattua erityisvaltuutta. Hakijan katsottiin edustavan nuorta tutkijasukupolvea, mikäli hänen ensimmäisestä tohtorintutkinnostaan on kulunut enintään kymmenen vuotta.

Akatemiahanke on toimikunnalle tärkeä rahoitusmuoto tutkimuksen laadun, vaikuttavuuden ja uudistumisen edistämiseksi. ”Tänä vuonna monissa hankkeissa esitettiin rohkeita uusia tieteellisiä avauksia. Lisäksi toimikunta sai laadukkaita monitieteisiä, useamman tutkimusorganisaation muodostamia konsortiohakemuksia, joissa konsortion tuoma lisäarvo oli merkittävä”, kertoo toimikunnan puheenjohtaja Reko Leino. Rahoituspäätöksiä tehdessään toimikunta korosti etenkin tutkimuksen tieteellistä laatua, toteutettavuutta, uutuusarvoa ja mahdollisuutta läpimurtoihin. Toimikunta pyrkii rahoittamaan eri alojen tutkimusta laaja-alaisesti ja ottamaan huomioon eri alojen erityispiirteet.

Esimerkkejä toimikunnan rahoittamista hankkeista:

Anouar Belahcen ja Alex Jung Aalto-yliopistosta, Janne Keränen Teknologian tutkimuskeskus VTT:stä sekä Tatiana Minav Tampereen yliopistosta muodostavat konsortion, joka kehittää nykyaikaisia tekoälypohjaisia menetelmiä sähkömekaanisten energianmuuntojärjestelmien eli voimansiirtojärjestelmien kunnonvalvontaan. Näiden voimansiirtojärjestelmien turvallisen ja tehokkaan toiminnan varmistamiseksi on tärkeää tunnistaa niiden alkava viallinen toiminta hyvissä ajoin. Hankkeessa tuotetaan synteettistä rikastettua dataa käytettäväksi tekoälyalgoritmien opettamiseen. Nämä algoritmit yhdistävät eri sovellusalueiden dataa ja hyötyvät oppimisen siirtomenetelmistä. Projektin odotetaan tuottavan uutta tietoa siitä, kuinka tekoälyä voidaan hyödyntää optimaalisesti sähkömekaanisissa energiamuuntojärjestelmissä.

Kari Eskola Jyväskylän yliopistosta kehittää hankkeessaan suurienergisille ydintörmäyksille useamman mittaussuureen samanaikaista teoria-analyysiä, joka liittyy hiukkasfysiikan Standardimallin testaukseen. Tavoitteena on selvittää törmäyksissä muodostuvan kvarkkigluoniplasman ominaisuudet CERNin ja Brookhavenin National Laboratoryn kiihdyttimien mittaustuloksista. Mallinnuksessa hyödynnetään erilaisia laskennallisia menetelmiä ja se kattaa koko ydintörmäyksen. Projektissa on tutkijakoulutusta kaikilla tasoilla ja se on hyvin ajankohtainen CERNin suurella hadronitörmäyttimellä tehtävien ydintörmäysten myötä.

Antero Kukko Maanmittauslaitoksen Paikkatietokeskuksesta ja Mikko Vastaranta Itä-Suomen yliopistosta aikovat kehittää menetelmän, jolla puuaineen tiheyttä pystytään arvioimaan puun ulkoisten ominaisuuksien kehittymisen perusteella. Puuaineen tiheyden mittaaminen on keskeistä metsävarojen arvioinnissa, puiden jalostuksessa ja puuaineen optimaalisen käyttökohteen valinnassa, mukaan lukien hiilen sidonta. Tärkeimmät puuaineen tiheyden vaihtelua selittävät tekijät liittyvät puun kasvuun: runkomuodon muutos, puun pituuskasvu sekä latvuksen kehitys. Kukko ja Vastaranta hyödyntävät hankkeessaan laserkeilausaikasarjaa yksittäisistä puista. Aikasarja mahdollistaa puiden runkomuodon muutosten, pituuskasvun sekä latvuksen kehityksen yksityiskohtaisen mallinnuksen ja seurannan.

Clare Strachan Helsingin yliopistosta kehittää menetelmää, jolla voidaan ennustaa syöpäpotilaiden kemoterapialääkinnän vastetta ennen hoidon aloitusta. Menetelmä perustuu Raman-spektroskopiaan, jossa laservalo ohjataan näytteeseen ja vuorovaikutuksen seurauksena syöpäsoluista ja -kudoksista sironnut valo havainnoidaan. Sironnut valo riippuu näytteessä olevista molekyylien värähdyksistä ja tätä molekyylispesifistä tietoa voidaan hyödyntää ennustettaessa sitä, hyötyykö potilas kemoterapialääkinnästä. Menetelmän avulla kemoterapialääkitys voidaan optimoida henkilökohtaisella tasolla ja näin hoitovaste paranee.